Transkrypcja nagrania: jak zamienić audio na tekst za darmo i kiedy to nadal zawodzi

👁 112 przeczytań

Transkrypcja to zamiana nagrania na tekst. Jeszcze kilka lat temu godzina wywiadu oznaczała trzy do pięciu godzin przepisywania albo kilkaset złotych dla transkrybenta; dziś model zrobi pierwszą wersję w kilka minut, a człowiek poprawia nazwy własne i interpunkcję. Poniżej: jak to zrobić za darmo i na czym po kolei polega robota, które narzędzia radzą sobie z polskim, ile to kosztuje i gdzie te narzędzia nadal zawodzą.

Trzy drogi do tekstu

Jak to zrobić za darmo

Najprostsza darmowa droga bez instalowania czegokolwiek: wrzuć plik do serwisu z bezpłatnym limitem i pobierz tekst. Limity są zwykle podawane w minutach miesięcznie, więc wystarczą do jednego wywiadu, nie do podcastu tygodniowo.

Droga bez limitów i bez wysyłania pliku w świat: model Whisper od OpenAI jest dostępny na otwartej licencji, a jego szybsze warianty działają na zwykłym laptopie. Instalacja sprowadza się do zainstalowania jednego pakietu i wywołania go z linii poleceń na pliku. Wersja większa daje lepszy polski, ale wymaga więcej pamięci; na karcie graficznej działa wielokrotnie szybciej niż na procesorze. Jeśli chcesz mieć wszystko na własnej maszynie, ten sam sposób myślenia opisuję przy modelach tekstowych w tekście o Ollamie i LM Studio.

Polski: co działa, co nie

Polska mowa jest dla tych modeli językiem drugiej kategorii, ale różnica wobec angielskiego jest dziś mniejsza niż większość ludzi zakłada. Z mojej praktyki: czysty monolog z mikrofonu wychodzi bardzo dobrze i wymaga głównie poprawek interpunkcji; rozmowa dwóch osób z nakładającymi się głosami i nagranie z telefonu położonego na stole to poziom, przy którym poprawianie zajmuje realnie dużo czasu. Najgorzej wychodzą nazwy własne, skróty branżowe, liczby z jednostkami i imiona. To obserwacje z pracy, nie pomiar z policzonym wskaźnikiem błędów.

Siedem rzeczy, które podnoszą jakość bardziej niż zmiana narzędzia

1. Nagrywaj osobno każdego mówiącego, jeśli możesz; dwa czyste kanały biją najlepszy model.
2. Mikrofon blisko ust, nie na środku stołu.
3. Wyłącz muzykę w tle; model potraktuje ją jak mowę.
4. Podaj narzędziu język z góry zamiast pozwalać mu zgadywać.
5. Jeśli narzędzie przyjmuje słownik nazw własnych, wpisz nazwiska i nazwy firm.
6. Dziel długie pliki na kawałki po kilkanaście minut, jeśli narzędzie gubi się pod koniec.
7. Po transkrypcji przepuść tekst przez czat z poleceniem poprawy interpunkcji bez zmiany słów; to skraca redakcję o połowę, a nie wprowadza treści, których nie było.

Co zrobić z gotowym tekstem

Transkrypcja to surowiec, nie produkt. Z tego samego pliku da się zrobić streszczenie z decyzjami ze spotkania, listę cytatów do artykułu, napisy do filmu w formacie z czasami albo notatki do nauki. Krok po kroku pokazuję to w tekście jak zrobić transkrypcję nagrania z AI. Jeśli potrzebujesz policzyć, ile znaków albo słów ma gotowy tekst, zrobisz to w liczniku słów.

Prawo i zgody, o których się zapomina

Nagrywanie rozmowy, w której uczestniczysz, jest w Polsce dopuszczalne, ale publikacja takiego nagrania albo jego treści to już inna sprawa i wymaga zgody rozmówcy. W pracy dochodzą jeszcze zasady ochrony danych: wrzucenie nagrania z danymi osobowymi do zagranicznego serwisu jest przetwarzaniem danych i powinno mieć podstawę oraz umowę powierzenia. Dla takich materiałów właściwą drogą jest model uruchomiony lokalnie. To ogólna zasada, nie porada prawna.

Chcesz dyktować zamiast pisać? Uruchomiliśmy darmowe narzędzie zamiana mowy na tekst: rozpoznawanie dzieje się w przeglądarce, nagranie nie trafia na żaden serwer.

Najczęstsze pytania

Jaka jest najlepsza darmowa transkrypcja po polsku?

Do jednego nagrania: dowolny serwis z darmowym limitem minut. Do regularnej pracy bez opłat: Whisper uruchomiony u siebie. Wybór zależy od tego, czy bardziej zależy Ci na wygodzie, czy na braku limitów i prywatności.

Ile kosztuje transkrypcja godziny nagrania?

W serwisach płatnych rozliczenie jest za minuty i mieści się zwykle w kilkudziesięciu groszach do kilku złotych za godzinę materiału. U człowieka transkrybenta to nadal kilkadziesiąt do ponad stu złotych za godzinę nagrania, bo płacisz za dokładność i redakcję.

Czy transkrypcja rozpozna, kto mówi?

Część narzędzi ma rozpoznawanie mówiących i dzieli tekst na osoby. Przy dwóch osobach działa to nieźle, przy większej liczbie i przy przerywaniu sobie nawzajem myli role.

Czy da się zrobić transkrypcję filmu z YouTube?

Tak, przez pobranie ścieżki dźwiękowej i przepuszczenie jej przez narzędzie, ale najpierw sprawdź, czy film nie ma już napisów, bo wtedy wystarczy je pobrać.

Stan na 18 września 2026. Ceny i limity darmowe w serwisach transkrypcyjnych zmieniają się często, więc sprawdź je przed wyborem. Oceny jakości polskiego to moja opinia z pracy redakcyjnej, nie pomiar z metodologią.